Media > AI活用ユースケース > 物流 > 産業廃棄物の中間処理業者が、排出事業者ごとの搬入の記録・工事の予定・曜日から翌月の品目ごとの搬入の量を Python で幅付きで予測し、保管の上限と処理の段取りに照らす

産業廃棄物の中間処理業者が、排出事業者ごとの搬入の記録・工事の予定・曜日から翌月の品目ごとの搬入の量を Python で幅付きで予測し、保管の上限と処理の段取りに照らす

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

計量の記録と工事の予定から、翌月の品目ごとの搬入の量を Python で幅付きで予測します。処理の能力と保管の上限に照らして保管の量の推移を試算し、受入の調整と処理の段取りの案を出します。

サマリー
連携・自動化
Python
対象業界
その他/建設
対象部門
物流/生産
対象業務
集計・分析
主な課題
データ分析に時間がかかる/判断に時間がかかる/属人化している
AIで行う処理
予測
主な効果
判断支援/工数削減/機会損失防止
導入難易度
★★★★☆
実装レベル
本格構成
費用感
個別開発(大)
人間の確認
条件付き
現在工数
15h/月
AI導入後
4h/月
想定削減
73%
年間削減
132h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 月末に、計量の記録から前の月と去年の同じ月の品目ごとの搬入の量を書き出す
  2. 営業の工事の予定の表を開き、翌月に始まる工事・続く工事を拾う
  3. 工事ごとに、出る品目と量の見当をつける(量の欄が空の工事は営業に聞く)
  4. 定常の搬入の分と工事の分を足して、品目ごとの翌月の量を出す
  5. 施設の処理の能力と稼働の予定(定期の点検の日)から処理できる量を出す
  6. 保管の量の日報の最新の値に、搬入と処理の差を足して、月末の保管の量を見込む
  7. 上限に近い品目があれば、受入の時期をずらす相談を営業に頼み、処理の残業・休日の稼働を検討する
  8. 毎週、工事の予定の変更を聞いて、4〜7をやり直す
導入後(After)
  1. 人営業が毎週金曜までに工事の予定の表を更新する(確度と、分かる範囲の量・構造・延床面積)
  2. 自動月曜の朝、Python が工事の予定の表のその時点の写しを保存し、計量の記録・保管の日報・稼働の予定と一緒に読み込む
  3. 自動排出事業者・品目ごとに、翌月(残り)の週ごとの搬入の量を下・中央・上の3つの値で予測する
  4. 自動量の欄が空の工事は、構造と延床面積から過去の似た工事の量で埋め、印を付ける
  5. 自動品目ごとに足し上げ、施設の処理の能力と稼働の予定から処理できる量を出す
  6. 自動保管の日報の最新の値から、週ごとの保管の量の推移を中央と上の値で試算し、品目ごとの上限と並べる
  7. 自動上限の8割を超える週と品目、そこに効いている工事に印を付ける
  8. 人業務課が印の付いた工事を見て、営業を通じて搬入の時期・量を排出事業者に確かめる
  9. 人工場の責任者が、受入の調整、処理の残業・休日の稼働、搬出の前倒しを決める
  10. 自動翌月の終わりに、予測と実際の搬入を比べた当たり方を記録する
各工程の詳しい説明を読む
  1. 月末に、計量の記録から前の月と去年の同じ月の品目ごとの搬入の量を書き出す
  2. 営業の工事の予定の表を開き、翌月に始まる工事・続く工事を拾う
  3. 工事ごとに、出る品目と量の見当をつける(量の欄が空の工事は営業に聞く)
  4. 定常の搬入の分と工事の分を足して、品目ごとの翌月の量を出す
  5. 施設の処理の能力と稼働の予定(定期の点検の日)から処理できる量を出す
  6. 保管の量の日報の最新の値に、搬入と処理の差を足して、月末の保管の量を見込む
  7. 上限に近い品目があれば、受入の時期をずらす相談を営業に頼み、処理の残業・休日の稼働を検討する
  8. 毎週、工事の予定の変更を聞いて、4〜7をやり直す

(a)工事の量の見当がつかない。 解体の工事から出る量は、建物の構造と大きさで大きく変わります。営業の表の量の欄が空の工事は、担当が過去の似た工事を思い出して見当をつけています。 その見当の付け方を知っているのは、長く工場を見てきた1名です。

(b)工事は予定どおりに進まない。 解体の着手が延びる、工期が詰まって2週分が1週に集まる、別の処理業者に分けて出される。「確定」の工事でも、予定の週に予定の量が来るとは限りません。

(c)品目ごとに保管の上限が違う。 同じ工場でも、がれき類と木くずと混合廃棄物では、施設の処理の能力も保管の上限の考え方も違います。合計で見ると余裕があっても、木くずだけが上限に近いことがあります。

(d)気づくのが遅い。 毎週の見直しで初めて上限に近いことが分かると、受入をずらす相談をする時間が数日しか残りません。 排出事業者の工事は止められないので、相談が遅れるほど断りにくくなります。

  1. 【人】 営業が毎週金曜までに工事の予定の表を更新する(確度と、分かる範囲の量・構造・延床面積)
  2. 【自動】 月曜の朝、Python が工事の予定の表のその時点の写しを保存し、計量の記録・保管の日報・稼働の予定と一緒に読み込む
  3. 【自動】 排出事業者・品目ごとに、翌月(残り)の週ごとの搬入の量を下・中央・上の3つの値で予測する
  4. 【自動】 量の欄が空の工事は、構造と延床面積から過去の似た工事の量で埋め、印を付ける
  5. 【自動】 品目ごとに足し上げ、施設の処理の能力と稼働の予定から処理できる量を出す
  6. 【自動】 保管の日報の最新の値から、週ごとの保管の量の推移を中央と上の値で試算し、品目ごとの上限と並べる
  7. 【自動】 上限の8割を超える週と品目、そこに効いている工事に印を付ける
  8. 【人】 業務課が印の付いた工事を見て、営業を通じて搬入の時期・量を排出事業者に確かめる
  9. 【人】 工場の責任者が、受入の調整、処理の残業・休日の稼働、搬出の前倒しを決める
  10. 【自動】 翌月の終わりに、予測と実際の搬入を比べた当たり方を記録する

8番を人に残しているのが、この設計の要です。 モデルが出すのは過去の記録から見た幅で、「この解体は来週から別の処理業者にも分けて出す」といった事情は、営業の電話1本で分かります。 印は、その電話をかける先を絞るためのものです。

9番の判断は、モデルの外にあります。 受入をずらすか、処理の稼働を増やすか、選別の後の搬出を前倒しするかは、排出事業者との関係、人の手配、搬出先の受入の枠で決まります。

02今回想定するシステム構成

構成図
計量の記録(品目・排出事業者・重さ)  工事の予定の表(毎週の写し)  保管の日報  稼働の予定
        │                                │                          │            │
        └───────────────┬────────────────┴──────────────────────────┴────────────┘
                        ▼【トリガー】月曜の朝(月初は翌月分を含めて)
Python
   ├──▶ 排出事業者・品目・週の表を作る(定常の分と工事の分を分ける)
   ▼
scikit-learn の HistGradientBoostingRegressor(loss="quantile")
   │   0.1・0.5・0.9 の3つのモデルで、週ごとの搬入の量の下・中央・上
   ▼
Python ── 品目ごとの足し上げ、処理できる量、保管の量の推移
   ├──▶ 品目ごとの上限(処理の能力 × 日数)と並べ、8割を超える週に印
   ▼
受入と処理の段取りの表(業務課の共有のシート)
   ▼
【業務課が印の工事を確かめる → 責任者が決める】
役割想定する製品代替候補
実行環境Python(pandas・NumPy)R
処理エンジンscikit-learn の HistGradientBoostingRegressor(分位点の損失)LightGBM(objective="quantile")
集計Python(品目ごとの足し上げ、保管の量の推移、上限との比)表計算の計算式
保管社内のファイルサーバー(予定の写し、学習の記録、見込み、当たり方)-

新しく足すのは、Python の処理と、工事の予定の表を毎週写して残す仕組みです。 計量の仕組みと保管の日報は、これまでどおり使います。見込みは業務課の共有のシートに書き出し、受入の調整の結果は人が予定の表に戻します。

モデルは scikit-learn の HistGradientBoostingRegressor です。 公式のページ(1.9.1)では、loss に quantile を選ぶとピンボール損失を使い、quantile の引数で推定する分位点を0から1の間で指定するとされています。0.1・0.5・0.9 の3つのモデルを作り、下・中央・上の値にします。 欠測の値をそのまま扱え、学習のときに欠測の行を左右どちらの枝に送るかを学ぶとされているので、量の欄が空の工事も行として渡せます。

03どうやって実装するのか

Step1

処理の起点を決める

毎週月曜の朝に動かします。 営業が金曜までに工事の予定の表を更新し、月曜の朝にその時点の写しを取って予測します。月の最後の週の月曜は、翌月の4〜5週分をまとめて出します。 これが月初の見込みになり、翌月に入ってからの月曜は、残りの週を出し直します。

段いつすること
1. 予定の表の写し毎週月曜の朝工事の予定の表を日付つきで保存する
2. 学び直し毎月の初めの夜過去の写しと計量の記録で、3つのモデルを学び直す
3. 予測と試算月曜の朝週ごとの搬入の幅、保管の量の推移、印
4. 当たり方の記録翌月の初め予測と実際の搬入を比べる

1番の写しを残すのが、この構成でいちばん大事な段です。 工事の予定の表は、着手が延びるたびに時期が書き換えられます。書き換えた後の表で学ぶと、延びた工事も「予定どおりに来た」ことになり、予定と実際のずれを学べません。 毎週その時点の表を残し、そこに書かれていた時期と量で学びます。

Step2

入力データを集める

データ中身取得元
計量の記録日時、排出事業者、工事の番号、品目、重さ(正味)、運搬の会社計量の仕組みの書き出し(CSV)
工事の予定の写し写した日、排出事業者、工事の番号、工事の種類(解体・改修・新築)、構造、延床面積、着手と終わりの予定の週、出る品目と量、確度毎週月曜に写した予定の表
保管の日報日付、品目ごとの保管の量(見積もり)製造の係の日報
稼働の予定施設ごとの稼働の日、定期の点検の期間、1日の処理の能力製造の係の予定表と許可の内容
換算の表品目ごとの、重さと体積の換算の係数自社で計って決めた値

質を決めるのは、工事の予定の表の「工事の番号」と「確度」の列です。 計量の記録に工事の番号が入っていないと、どの搬入がどの工事のものか分からず、定常の分と工事の分を分けられません。 受付のときに運転手から現場の名前を聞き、工事の番号を選ぶ形にします。確度は「確定」「見積中」「受注見込み」の3つに決めて、営業ごとの書き方をそろえます。

換算の表を用意するのは、処理の能力と保管の量の単位がそろわないことがあるからです。 許可の上の処理の能力が体積で書かれ、計量の記録は重さ、ということは珍しくありません。品目ごとの係数は自社で計って決め、いつ決めた値かを表に残します。

Step3

データの取得方法を決める

取るもの範囲使い道
計量の記録過去3年排出事業者・品目・週の搬入の量(正解)
工事の予定の写し写しを残し始めてから(と復元した分)工事の分の特徴量
保管の日報直近の値保管の量の推移の出発点
稼働の予定翌月まで処理できる量、点検の期間

計量の記録は、計量の仕組みから CSV で書き出します。 1回の搬入が1行なので、排出事業者・品目・週で足し上げて、学習の表にします。 搬入の無かった週も0の行として作ります。0の行を作らないと、「来た週の量」だけを学び、来ない週があることを見込めません。

写しの無い過去の分は、計量の記録から工事の分を復元します。 工事の番号が入っている搬入は、その工事の始まりと終わりの週が分かります。復元した行には印を付け、写しが半年分たまったら復元の行の重みを下げて学び直します。 復元では「予定より遅れた」ことは分からないので、ずれの学習は写しに頼ります。

Step4

AIへ渡す前に整形する

  1. 定常と工事を分ける … 工事の番号が付いた搬入を「工事の分」、それ以外を「定常の分」にします
  2. 週の表を作る … 排出事業者・品目・週ごとに足し上げ、搬入の無い週は0にします
  3. 予定の列を付ける … その週が工事の予定の何週目か、予定の量を予定の週数で割った値、確度、構造、延床面積を付けます
  4. 過去の量の列を付ける … 4週前・8週前・52週前の同じ組み合わせの量を付けます。予測を作る日にまだ起きていない週の量は使いません
  5. 暦の列を付ける … 週の稼働日の数(祝日・年末年始・大型の連休を引いたもの)、月、年度末の週か
  6. 排出事業者の列をまとめる … 搬入の多い上位の排出事業者は名前のまま、残りは「その他の定常」「その他の工事」にまとめます
  7. 量の欄が空の工事を埋める … 同じ工事の種類・構造の過去の工事で、延床面積あたりの品目ごとの量の中央値を掛け、「推計」の印を付けます

6番は、カテゴリの数の上限のためです。 公式のページでは、max_bins は255以下でなければならないとされています。カテゴリの列も、この数の箱に入れて扱います。 排出事業者が約300社あるので、そのまま渡すと上限を超えます。上位の排出事業者だけを残し、残りをまとめます。公式のページでは、categorical_features の既定は "from_dtype" で、pandas のカテゴリの型の列がカテゴリとして扱われるとされているので、品目・確度・構造・排出事業者の列は category の型にしてから渡します。 整数のコードのまま渡すと、数の大小として扱われます。

7番の推計の値は、予測の材料にとどめます。 推計で埋めた工事は、印の付いた工事として業務課の確認に回します。

Step5

AIに処理させる

させるのは、排出事業者・品目・週の組み合わせごとに、搬入の量の下・中央・上の値を予測することだけです。

させることさせないこと
組み合わせごとの週の搬入の量の幅(0.1・0.5・0.9)工事の着手の時期そのものの予測(予定の表から取る)
工事の何週目か・確度・構造による違いの学習処理できる量の予測(稼働の予定と能力から計算)
定常の排出事業者の季節と稼働日の効き方の学習受入を断るかどうかの判断(責任者が決める)

予定の量の列に「増える向き」の縛りを入れます。 公式のページでは、monotonic_cst で特徴量ごとに増える向き(1)、縛りなし(0)、減る向き(-1)を指定でき、列の名前をキーにした辞書でも渡せるとされています。予定の量が多い工事のほうが搬入が少なく出る、という逆転は、学習の行のばらつきでは起こりえても、実際には起こりません。 稼働日の数にも同じ向きの縛りを入れます。

3つのモデルの値が逆転したときは、並べ替えます。 分位点ごとに別々に学ぶので、まれに下の値が中央の値を上回る行が出ます。行ごとに3つの値を小さい順に並べ直してから足し上げます。

品目ごとの足し上げは、組み合わせの上の値をそのまま足しません。 すべての組み合わせが同時に上の値になることは、ほとんど起きないからです。組み合わせごとの3つの値から量を引くくり返しの試算で、品目の週の合計の10%・50%・90%の値を出します。

Step6

指示内容を固定する

この構成の中心は生成AIではなく予測のモデルなので、プロンプトの代わりに、学習と試算の設定を示します。

import numpy as np, pandas as pd
from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.metrics import mean_pinball_loss

features = ["item", "emitter", "job_week_no", "plan_t_per_week", "status",
            "structure", "floor_area", "lag4", "lag8", "lag52",
            "workdays", "month", "fy_end"]
for c in ["item", "emitter", "status", "structure"]:
    df[c] = df[c].astype("category")
mono = {"plan_t_per_week": 1, "workdays": 1}

# 検証は「写した日」で区切る(同じ週を学習と検証に分けない)
cut = df["snap_date"].quantile(0.8)
tr = df["snap_date"] < cut; va = ~tr
models = {}
for q in (0.1, 0.5, 0.9):
    m = HistGradientBoostingRegressor(loss="quantile", quantile=q,
            learning_rate=0.05, max_iter=1500, min_samples_leaf=40,
            monotonic_cst=mono, random_state=7)
    m.fit(df.loc[tr, features], df.loc[tr, "tons"],
          X_val=df.loc[va, features], y_val=df.loc[va, "tons"])
    models[q] = m
    print(q, mean_pinball_loss(df.loc[va, "tons"],
                               m.predict(df.loc[va, features]), alpha=q))

検証の行を X_val と y_val で渡しているのには理由があります。 公式のページでは、early_stopping の既定の 'auto' は、行の数が10000を超えるか X_val と y_val が渡されたときに早く止める仕組みを有効にし、validation_fraction(既定0.1)の分を学習の行から取り分けるとされています。排出事業者・品目・週の表は数万行になるので、何もしないと検証の行が日付と関係なく抜かれます。 同じ週の行が学習と検証に分かれると、当たり方を甘く見ます。写した日で区切った行を自分で渡します。

当たり方は mean_pinball_loss で見ます。 公式のページでは、分位点の回帰のためのピンボール損失で、0が最良とされ、alpha は既定0.5です。分位点ごとに alpha を合わせて渡さないと、0.9 のモデルを 0.5 の物差しで測ることになります。

保管の量の推移は、くり返しの試算で出します。

rng = np.random.default_rng(7)
N = 2000
for item, g in nxt.groupby("item"):            # 翌月(残り)の行
    q = np.sort(np.column_stack([models[a].predict(g[features])
                                 for a in (0.1, 0.5, 0.9)]), axis=1)
    sims = np.zeros((N, len(weeks)))
    for i in range(N):
        u = rng.random(len(g))
        draw = sample_from_quantiles(q, u)      # 3点の間を直線でつなぐ
        sims[i] = weekly_sum(g, draw, weeks)
    intake = np.percentile(sims, [10, 50, 90], axis=0)
    cap = proc_capacity(item, weeks)            # 稼働日 × 1日の処理の能力
    stock = stock_path(stock_now[item], intake, cap, shipout[item])
    limit = storage_limit(item, weeks)          # 下の「出力形式」の表

sample_from_quantiles は、組み合わせごとの3つの値の間を直線でつないで量を引く関数です。 0.1より下と0.9より上は、それぞれ下の値・上の値で止めます。幅の外側を伸ばすと、工事の無い組み合わせから大きな量が出る試算になります。 stock_path は、前の週の保管の量に、週の搬入を足し、処理できる量と選別の後の搬出を引いて、週ごとの保管の量を出します。

Step7

出力形式を固定する

品目ごとの週の表と、印の付いた工事の表の2つを、業務課の共有のシートに書き出します。

列(品目・週ごと)中身
品目・週予測の単位
搬入の下・中央・上くり返しの試算の10%・50%・90%の値
うち工事の分の中央工事の番号の付いた組み合わせの分
処理できる量稼働日 × 1日の処理の能力(点検の期間を引いたもの)
保管の量の中央・上週の終わりの見込み
保管の上限品目ごとの上限の数量
上限に対する割合(上の値)保管の量の上 ÷ 保管の上限
印8割超/点検の週/推計の工事あり

保管の上限は、品目ごとに表で持ち、処理には書き込みません。 廃棄物処理法施行令の第6条第1項第2号ロ(3)では、処分又は再生のための保管の数量は、その産業廃棄物に係る処理施設の1日当たりの処理能力に相当する数量に14を乗じて得られる数量を超えないこととされ、環境省令で定める場合は環境省令で定める数量とされています。施行規則の第7条の8には、その場合が並んでいます。

品目(この工場の例)表に入れる日数の考え方
混合廃棄物(選別の施設)1日の処理の能力 × 14
廃プラスチック類1日の処理の能力 × 14(優良産業廃棄物処分業者の場合は28とする定めがある)
分別された建設系の木くず・コンクリートの破片(再生のための保管)1日の処理の能力 × 28
分別されたアスファルト・コンクリートの破片(再生のための保管)1日の処理の能力 × 70
定期点検等の期間(7日を超えるもの)能力 × 点検の開始からの日数 + 基本数量の2分の1

この表の値は、自社の許可の内容と自治体の指導で確かめてから入れます。 規則の定めには「分別されたもの」「再生のために保管する場合」といった条件が付いています。どの品目にどの日数を当てはめるかは、工場の責任者が自治体の担当に確かめて決め、決めた日と根拠を表の隣に書きます。 処理はこの表を読むだけにし、日数を処理の中に書き込みません。

列(印の付いた工事)中身
排出事業者・工事の番号・品目予定の表の値
予定の週と予定の量写しの値(推計なら印)
週ごとの搬入の中央・上モデルの出力
効き方その工事が来るか来ないかで、品目の保管の量の上の値がどれだけ動くか
確度確定・見積中・受注見込み

「効き方」の大きい工事から、業務課が営業に確かめを頼みます。 保管の量の上の値を押し上げているのが数件の大きな解体の工事なら、その数件の時期が1週ずれるだけで上限との距離が大きく変わります。

Step8

システムへ連携する

つなぎ先方式内容
計量の仕組み書き出したCSV搬入の記録
工事の予定の表共有のスプレッドシートを読み、写しを保存する予定の工事と確度
保管の日報共有のシートを読む保管の量の出発点
稼働の予定共有のシートを読む稼働の日、点検の期間、能力
業務課の共有のシート書き出す週の表、印の工事、当たり方

計量の仕組みと工事の予定の表には書き込みません。 予定の表を直すのは営業で、受入の時期を排出事業者と相談するのも営業と業務課です。マニフェストの交付・返送の管理も、この構成の外にあります。

Step9

人が確認する

  1. 印の付いた工事を見る … 効き方の大きい工事から、営業を通じて時期と量を確かめます
  2. 推計の工事を見る … 量の欄が空で推計した工事は、営業に構造と延床面積を確かめます
  3. 上限の8割を超える週を見る … 受入の調整、処理の残業・休日の稼働、選別の後の搬出の前倒しのどれで手当てするかを決めます
  4. 点検の週を見る … 定期の点検の時期をずらせるかを製造の係と決めます
  5. 保管の日報と比べる … 前の週の見込みと日報の値が大きく離れていれば、換算の係数か日報の見積もりを疑います

3番で決めるのは、工場の責任者です。 モデルの印は、検討を始める週を早めるためのものです。

Step10

例外に対処する

起きること対応
月曜の写しが保存されていない最新の予定の表で予測し、「写しなし」の印を付ける。その週は学習に使わない
計量の記録に工事の番号が無い搬入定常の分として扱い、件数を業務課に知らせる
初めての排出事業者「その他の工事」にまとめ、印を付ける
量の欄も構造も空の工事推計できない工事として一覧にし、営業に聞く
保管の日報が書かれていない日前の日の値に搬入と処理の差を足して仮に置き、印を付ける
施設の故障で処理が止まる稼働の予定を直して出し直す。止まった週は学習の行から外す
災害で臨時の搬入が増える通常の予測と分けて扱い、責任者が受入の量を決める
3つの値が逆転する行ごとに並べ直す。件数が多ければ学習の記録を担当が見る
当たり方が前の月より大きく悪化見込みを出さず、学習の記録を担当が見る
Step11

記録を残す

  • 毎週月曜の工事の予定の表の写し(日付つき)
  • 学習に使った範囲、特徴量の一覧、縛りの設定、分位点ごとのピンボール損失
  • 品目ごとの週の搬入の幅、保管の量の推移、印
  • そのとき使った保管の上限の表と換算の係数(いつ決めた値か)
  • 責任者が決めた受入の調整と処理の稼働
  • 翌月の当たり方(実際の搬入が下〜上の値に入った週の割合を、品目ごとに)

4つ目を残すのは、上限の表と係数が後から変わるためです。 許可の変更や係数の測り直しで値が変わると、過去の印の意味が変わります。 当時の表が残っていないと、なぜその週に印が付いたのかを説明できません。

04実装レベルの3段階

最小構成:計量の記録を品目・週で足し上げ、工事の分と定常の分を分けて表にする / 搬入の波の把握
半自動化:上記+品目ごとの翌月の週の搬入を3つの値で予測する / 品目ごとの見込み
本格構成:上記+排出事業者ごとの予測、くり返しの試算、保管の量の推移、上限との比、印の工事、当たり方の記録 / 見込みから受入と処理の段取りの案まで

本記事の想定は本格構成です。 1件45分が12分になるのは、拾う・見当をつける・推移を出すの作業がそろって出てくるからです。残る12分は、印の付いた工事を確かめ、受入と処理の段取りを決める時間です。 半自動化で年度末を1回越えてから本格構成に進みます。 搬入がいちばん波打つ時期の当たり方を見ないと、保管の量の推移を信用してよいかが分かりません。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
2 名
月間件数
20 件
1件あたり現在時間
45 分
1件あたり導入後時間
12 分
現在  20件 × 45分 ÷ 60 = 15 時間/月
導入後 20件 × 12分 ÷ 60 = 4 時間/月
月間削減時間
11h
削減率
73%
年間削減時間
132h
年間金額換算(時間単価3,500円)
46万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. がれき類・木くず・廃プラスチック類・混合廃棄物など、建設系の産業廃棄物を複数の品目で受け入れて破砕・選別している中間処理業者。解体・改修の工事の時期によって搬入が大きく波打ち、年度末などに保管の量が上限に近づく月がある場合。翌月の受入の調整と処理の段取りを、長く工場を見てきた1名が計量の記録と営業の聞き取りから組んでいる場合。計量の記録が品目・排出事業者ごとに2〜3年分あり、工事の予定を毎月の時点で残せる場合。
向いていない
  1. 搬入が数社の工場から毎週ほぼ同じ量で届き、表計算の平均で足りる場合。工事の予定を営業が持っておらず、搬入の当日まで量が分からない場合。保管の量を日々計っておらず、予測と比べる実績が無い場合。なお、保管の量が法令の上限に合っているかを判定する構成ではありません。受入を断るか、どの品目の処理を優先するかは工場の責任者が決め、法令の解釈は自治体と専門家に確かめてください。

07最小構成で試す方法

  1. 去年の年度末(2〜3月)について、計量の記録を品目・週で足し上げる
  2. 同じ期間の搬入を、工事の番号のあるものと無いものに分けて、それぞれの量を並べる
  3. 当時の工事の予定を営業の記録から復元できる範囲で集め、予定の週と実際の週を並べる
  4. 保管の日報から、品目ごとの保管の量の推移を表にし、上限の表と並べる
  5. 今週から、毎週月曜に工事の予定の表の写しを残し始める
出てきた内容判断
保管の量の山が、数件の工事の搬入と重なっている組み合わせごとに予測して足し上げる構成に進む
定常の分だけで保管の量が上限に近い予測より処理の能力の見直しが先
計量の記録に工事の番号がほとんど無い受付で工事の番号を選ぶ形にしてから3か月待つ

5番を今週から始めてください。 この構成でいちばん時間がかかるのは、写しがたまるのを待つことです。

08実装時につまずきやすいポイント

問題対策
去年の大きな工事を「その月は多い」と覚える工事の分と定常の分を分け、工事は予定の列で渡す
延びた工事を「予定どおり来た」と学ぶ書き換えた後の表でなく、毎週の写しで学ぶ
搬入の無い週を学ばない搬入の無い週も0の行として作る
排出事業者の数が箱の上限を超える上位だけ残して残りをまとめる(max_bins は255以下)
整数のコードが数として扱われるカテゴリの列を category の型にする
検証の行が日付と関係なく抜かれるX_val と y_val を写した日で区切って渡す
3つの値が逆転する行ごとに並べ直す
上の値を足して幅が広がりすぎるくり返しの試算で品目の合計の幅を出す
重さと体積が混ざる品目ごとの換算の表を持ち、いつ決めた値かを残す
上限の日数を処理に書き込む表で持ち、責任者が確かめた根拠を隣に書く

上の2行が、この構成の土台です。 どちらも「どの搬入が、いつの時点でどう予定されていたか」を残しておくことの問題です。モデルを書く前に、工事の番号と写しの仕組みを動かしてください。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 排出事業者の名前、工事の場所と時期、品目ごとの搬入の量、保管の量。個人の情報はほとんど扱いませんが、どの会社がどこで解体の工事をするかは取引の情報です。

  1. 外部へ送らない … 生成AIを使わず、社内のPCで動かします
  2. 工事の予定を外に出さない … 営業が排出事業者から聞いた工事の時期と場所は、受注の前の情報も含みます。 予定の写しを残すフォルダの閲覧は、業務課・営業・工場の責任者に限ります
  3. 予測を法令に合っているかの判定に使わない … 出すのは保管の量の見込みで、実際の保管の量が基準に合っているかは、日々の管理と記録で確かめます
  4. 上限の表は責任者が確かめて決める … 規則の定めには品目と保管の目的の条件があり、どれを当てはめるかは自社の許可の内容と自治体の指導で決めます
  5. 受入を断る判断を自動にしない … 排出事業者への連絡は人が行います
  6. スクリプトを1人の持ち物にしない … 手順書と、動かし方を知る2人目を用意します

排出事業者ごとの予測の値は、社内の段取りの材料にとどめます。 「御社の搬入は来月この量」と伝えると、約束のように受け取られます。排出事業者と話すのは、搬入の時期をずらせるかという相談の形にします。

誤りが起きた場合のリスクは、保管の量が上限に近づくのを見落とすことと、余裕があるのに受入を断ることの2つです。 前者は上の値で推移を見ることで、後者は印の工事を営業が確かめる手順を残すことで抑えます。

10まず何から始めるか

1週目:工事の予定の表の写しを残し始める

毎週月曜の朝に、工事の予定の表を日付つきで保存する仕組みを作ります。この週から写しがたまり始めます。 あわせて、確度の書き方を3つにそろえます。

2週目:受付で工事の番号を選ぶ形にする

計量の受付で、運転手から聞いた現場を工事の番号で選べるようにします。定常と工事を分ける土台です。

3週目:上限の表と換算の係数を作る

施設ごとの1日の処理の能力、品目ごとに当てはめる日数、重さと体積の係数を表にします。どの日数を当てはめるかを、責任者が許可の内容と自治体の指導で確かめます。

4週目:去年の年度末を表にする

第8章のとおり、搬入の山が工事の重なりで説明できるかを見ます。

2か月目: 品目ごとの週の搬入を3つの値で出し、これまでの見込みと並べます。3か月目以降: 排出事業者ごとの予測と保管の量の推移、印の工事を足し、当たり方を毎月見ます。年度末を1回越え、担当が替わっても同じ週に同じ印が出せるようになった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-11-18/最終更新:2026-11-18
確認した内容情報源確認日
loss の quantile がピンボール損失であること、quantile の引数が0から1の間であること、categorical_features の既定が "from_dtype" で pandas のカテゴリの型の列がカテゴリになること、early_stopping の 'auto' が10000行を超えるか X_val と y_val を渡したときに有効になること、validation_fraction の既定0.1、monotonic_cst の 1・0・-1 と列の名前の辞書、max_bins が255以下であること、欠測の値の扱い(1.9.1)scikit-learn: HistGradientBoostingRegressor2026-11-18
mean_pinball_loss が分位点の回帰のためのピンボール損失で、0が最良であること、alpha の既定が0.5であることscikit-learn: mean_pinball_loss2026-11-18
廃棄物処理法施行令第6条第1項第2号ロ(3):処分又は再生のための保管の数量が、処理施設の1日当たりの処理能力に相当する数量に14を乗じて得られる数量(環境省令で定める場合は環境省令で定める数量)を超えないことe-Gov 法令API: 廃棄物の処理及び清掃に関する法律施行令2026-11-18
施行規則第7条の8:定期点検等(7日を超えるもの)の期間の数量、優良産業廃棄物処分業者の廃プラスチック類は28、分別された建設業に係る木くず・コンクリートの破片の再生のための保管は28(アスファルト・コンクリートの破片は70)e-Gov 法令API: 廃棄物の処理及び清掃に関する法律施行規則2026-11-18

どの品目にどの保管の上限を当てはめるかは、自社の許可の内容と自治体の指導で確かめ、受入の調整は工場の責任者が決めてください。 本記事は上の公式のページで確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-3803)についてのご相談はこちらから。

AI活用について相談する
目次